Python Analysis 24

题目描述：

现有某店铺会员消费情况sales.csv。包含以下字段：

• user_id：会员编号；
• recency：最近一次消费距离当天的天数；
• frequency：一段时间内消费的次数；
• monetary：一段时间内消费的总金额。

请你对用户划分类型并统计各类型的用户的个数。

输入描述：

数据集可以从当前目录下sales.csv读取。

输出描述：

请你先对每个用户销售情况的每个特征进行评分，分值为1-4分。再将所有评分按照一定的权重相加得到RFM值后对用户划分为8种。输出各类型用户的个数。

评分规则如下： 对于recency特征，值越小越好。对于frequency和monetary值越大越好。如对于recency：

• 数值小于等于下四分位数则评为4分；
• 大于下四分位数并且小于等于中位数则评为3分；
• 大于中位数且小于等于上四分位数则评为2分；
• 大于上四分位数则评为1分。

对于frequency和monetary则方法刚好相反。

请你将按照recency、frequency、monetary的评分按照0.3、0.4、0.3的权重求和，得到新的列RFM，在按照评分结果将数据划分为8等分，得到每个用户对应的类型，类型依次为：潜在客户，一般发展客户，一般保持客户，一般价值客户，重要挽留客户，重要发展客户，重要保持客户，高价值客户。划分时按左开右闭方式进行划分（即不包含左边，包含右边，如潜在用户的范围为大于0小于等于所有数值的1/7的位置）。如用户NC0008的评分分别为1、1、2，则其评分RFM为10.3+10.4+2*0.3=1.3，

根据其在整体RFM中的分布情况，为潜在用户。

输出结果为计算完得分并划分类型后的数据的前5行及各类型客户的个数（中间用空格分隔）。

以上数据集的输出如下：